[发明专利]一种异步传感器空间配准算法

说明书

本发明公开了一种异步传感器空间配准算法，首先采用内插外推时间配准算法实现两传感器的数据同步，随后根据时间配准结果构建伪量测方程；针对目标机动条件下的空间配准问题提出基于内插外推时间配准算法和基于地心地固坐标系的空间配准算法的异步传感器空间配准算法。本发明的伪量测方程构建过程与目标状态向量无关，且可以证明由时间配准结果构造的伪量测也与目标状态无关。因此所提的算法可有效解决目标机动条件下的异步传感器空间配准问题。通过仿真实验验证了本发明的算法在目标作蛇形机动的条件下仍然可准确的对传感器的系统误差进行估计；同时通过仿真分析了传感器的采样周期比以及自身的随机误差对系统误差估计精度的影响。

技术领域

本发明属于信息融合技术领域，尤其涉及一种异步传感器空间配准算法。

背景技术

当今战场环境复杂多变，电磁环境愈发复杂，采用单一传感器信息对导弹进行制导必然面临探测不精确、易受敌欺骗干扰、目标信息易中断等问题，因此采用网络瞄准，将多源信息进行融合为导弹提供制导信息，从而实现网络化制导成为未来信息化战争的必然选择。

在对多源信息进行融合的过程中，由于传感器探测存在系统误差、传感器平台自身定位误差以及定姿误差等因素，需要进行空间配准处理，以提高数据融合精度。若直接将未经空间配准的数据用于信息融合处理，则融合的精度将受到极大影响，甚至有可能低于单传感器的探测精度。因此，在对多传感器的探测信息进行融合之前对其进行空间配准处理是十分必要的。

现有空间配准算法可以简单的分为两类，即离线空间配准与在线空间配准。离线空间配准算法主要基于最小二乘算法和最大似然算法；在线的空间配准算法主要基于滤波算法。导弹的制导过程对实时性要求较强，因此网络瞄准环境下的空间配准算法应采用在线的空间配准算法。在线空间配准算法分为两类，一类是基于扩展卡尔曼滤波(ExtendedKalman，Filter-EKF)的扩展状态向量空间配准算法，将目标的状态与传感器的误差合成一个扩展状态向量进行估计；但此算法由于状态向量维数较大，因此存在计算量较大的问题。另一类是基于ECEF坐标系的伪量测算法，此类算法相对扩展状态向量法具有运算量小的优点。但是无论以上那种算法，均以传感器量测数据的时间同步为前提，异步传感器的空间配准算法研究较少。

发明内容

本发明实施例的目的在于提供一种仅使用目标位置信息的异步传感器空间配准算法，旨在解决解决异步传感器的空间配准的问题。

本发明实施例是这样实现的，一种仅使用目标位置信息的异步传感器空间配准算法，该异步传感器空间配准算法包括时间对准过程和传感器系统误差估计过程：

时间对准过程完成传感器数据之间在时间上的对准，传感器A、传感器B在本地直角坐标系下的量测数据分别为Y_A(t_i)和Y_B(t_i)，且传感器A的采样频率大于传感器B的采样频率，则由传感器A向传感器B的采样时刻进行配准，具体为：

采用内插外推的时间配准算法将传感器A的采样数据向传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A的观测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在t_Bk时刻在本地直角坐标系下的量测值为：